Lisa Huang begann 2019 mit dem Aufbau des KI-Assistenten für die Meta Ray-Ban Smart Glasses. Sie musste das Team überzeugen, dass der KI-Assistent das wichtigste Feature der Brille werden würde. Nicht jeder war sich einig. Dieser Prozess von null auf eins brachte Einschränkungen ans Licht, mit denen reine Software-PMs nie konfrontiert sind. Gewicht. Akkulaufzeit. Datenschutz. Bedenken von Unbeteiligten bezüglich einer Kamera im Gesicht einer Person. Und die Tatsache, dass Luxottica, ein Modeunternehmen, nicht wie ein Ingenieurteam im Silicon Valley agiert. Die Menge an technischer Komplexität, die in etwas gepackt ist, das immer noch wie eine Sonnenbrille aussehen muss, ist überwältigend. Die größte technische Frage: Cloud- oder On-Device-Verarbeitung? Cloud ist heute der Standard. Aber Lisa machte in dieser Episode eine Vorhersage, die meiner Meinung nach Beachtung verdient. Sie glaubt, dass die überwiegende Mehrheit der KI für AR letztendlich auf dem Gerät selbst laufen wird. Ihre Begründung: Sobald man den ganzen Tag ein Gerät im Gesicht trägt, das aufzeichnet, was man sieht und hört, werden die Menschen wollen, dass diese Daten lokal bleiben. Während die Modelle kleiner und effizienter werden, sinken die technischen Barrieren weiter. Dies entspricht einem breiteren Muster, das sich im Bereich der KI-Hardware abspielt. Apple investiert stark in On-Device-Modelle. Die neue Welle von KI-Handys verlagert mehr Verarbeitung an den Rand. Datenschutz wird zu einem Produktmerkmal, nicht nur zu einem Compliance-Checkbox. Die Lektion, die Lisa für jeden PM, der KI-Funktionen in jedem Kontext entwickelt, zog: Verstehe die Technologie tief, aber verliebe dich nicht in sie. Die besten Produkte entstehen an der Schnittstelle dessen, was der Nutzer tatsächlich braucht und was die Technologie heute zuverlässig leisten kann. Schnell bauen. Beobachten, was die Nutzer tun. Aktualisiere deine Annahmen. Wiederhole.

Der versteckte Engpass bei KI-Produktivitätstools war die Einrichtungskosten. Jeder Claude Code-Nutzer stößt an dieselbe Wand. Du installierst es, führst ein paar Eingaben aus, erhältst generische Ausgaben und kehrst zurück zu manuellen Tätigkeiten. Die Antworten fühlen sich an, als sprichst du mit einem intelligenten Fremden, der dein Unternehmen, dein Produkt, deine Kennzahlen oder was gute Ausgaben sind, nicht kennt. Ich habe meine Claude Code-Einrichtung über 100 Mal iteriert, bevor ich das Muster fand, das funktioniert. Der Schlüssel sind drei Schichten. Schicht eins ist das Gedächtnis. Claude muss wissen, wer du bist, was du erreichen möchtest und wie du arbeitest. Die meisten Menschen überspringen dies vollständig. Das Ausfüllen eines einfachen Gedächtnis-Prompts mit deinen Zielen, deinem Beruf und den größten Hindernissen verändert jede Antwort, die du in Zukunft erhältst. Schicht zwei ist die CLAUDE.md-Datei. Dies ist der persistente Kontext, der jede Sitzung lädt. Deine Rolle und dein Produkt, damit Claude aufhört zu fragen. Deine PRD-Struktur, damit jedes Dokument dasselbe Format hat. Sub-Agentenrollen, damit du sagen kannst "überprüfen als Ingenieur" oder "überprüfen als Skeptiker" und in weniger als einer Minute unterschiedliche Perspektiven erhältst. Schicht drei sind die Fähigkeiten. Fünf Starterfähigkeiten, die über reguläres Claude, Cowork und Claude Code hinweg funktionieren. LinkedIn-Beitragsschreiber, Ideenvalidierer, Prompt-Ingenieur, Produktdesigner, Statusaktualisierer. Jede von ihnen kodiert einen spezifischen Workflow, sodass die Ausgaben konsistent sind, egal ob du es heute oder in sechs Monaten ausführst. Dann fügt Cowork die Automatisierungsschicht hinzu. Geplante Aufgaben, die wöchentlich ausgeführt werden. Browserbasiertes Wettbewerbsforschung unter Verwendung deiner tatsächlichen Chrome-Sitzung. Erstellung von Tabellenkalkulationen aus unordentlichen PDFs und E-Mails. Verarbeitung von Besprechungsprotokollen in 30 Sekunden. Ich habe die komplette Einrichtung in einem Leitfaden mit zwei GitHub-Repos verpackt. Alles, was du brauchst, um von einem Kaltstart in 60 Sekunden produktiv zu werden:

"Ich bezahle PMs nicht, um PRDs zu schreiben. Ich bezahle sie für ihr Produkturteil." Lisa Huang ist SVP für Produkt bei Xero, einem Unternehmen mit 18 Milliarden Dollar. Sie hat AI-PMs bei Apple, Meta, Google und jetzt Xero eingestellt. Als ich sie fragte, ob AI PMs ersetzen wird, war das ihre Antwort. AI wird die Ausführungsebene automatisieren. PRDs schreiben. Mocks erstellen. Roadmaps verwalten. Daten abrufen. All das wird beschleunigt oder von AI-Tools übernommen. Das Verhältnis von PMs zu Ingenieuren wird sich verringern. Weniger Ingenieure bedeuten weniger PMs. Die Struktur verändert sich wirklich. Aber Produkturteil, das Betrachten von mehrdeutigen Signalen und die Entscheidung, was gebaut und was eingestellt werden soll, das ist der Teil, den AI nicht leisten kann. Es gibt keine klare richtige Antwort. Es gibt eine Menge lauter Daten, widersprüchliches Kundenfeedback, technische Einschränkungen und Geschäftsdruck. Jemand muss all das synthetisieren und eine Entscheidung treffen. Lisas Vorhersage: Die Rolle des PM entwickelt sich zu einem Hybrid. PMs, die auch bauen. Nicht nur Spezifikationen erstellen und weitergeben, sondern Prototypen, Designs und genug Code schreiben, um zu demonstrieren, was sie meinen. Die Werkzeuge existieren, um dies jetzt zu tun. Ihr Rat an PMs, die sich über den Markt ängstlich fühlen: "Jetzt ist eine Zeit der Transformation und jeder hat die Möglichkeit, das zu tun." Lernen Sie die Werkzeuge. Erfinden Sie sich neu. Der Weg ist offen für jeden, der bereit ist, die Arbeit zu investieren. Die PMs, die kämpfen werden, sind die, deren gesamter Wert in den Ergebnissen lag. Diejenigen, die gedeihen werden, sind die, deren Wert immer in den Entscheidungen lag.